Categoría: Base de datos vectorial
Artículos etiquetados como Base de datos vectorial
Filtrado de búsqueda vectorial: Mantenerlo relevante
Realizar una búsqueda vectorial para encontrar los resultados más similares a una consulta no es suficiente. A menudo se necesita filtrar para reducir los resultados de búsqueda. Este artículo explica cómo funciona el filtrado para la búsqueda vectorial en Elasticsearch y Apache Lucene.
Mapear incrustaciones a tipos de campos de Elasticsearch: semantic_text, dense_vector, sparse_vector
Discutir cómo y cuándo usar semantic_text, dense_vector o sparse_vector, y cómo se relacionan con la generación de incrustaciones.
Cómo implementar una Mejor Cuantización Binaria (BBQ) en tu caso de uso
Explora por qué implementarías Better Binary Quantization (BBQ) en tu caso de uso y cómo hacerlo.
Elasticsearch BBQ vs. OpenSearch FAISS: comparación del rendimiento de la búsqueda vectorial
Una comparación de rendimiento entre Elasticsearch BBQ y OpenSearch FAISS.
Base de datos vectorial de Elasticsearch para la conexión a tierra nativa en Vertex AI Platform de Google Cloud
Descubre cómo Elasticsearch, el primer motor nativo de terceros para Vertex AI de Google Cloud, te permite crear experiencias GenAI personalizadas al conectar modelos Gemini en datos empresariales.
Acelerar la fusión de gráficos HNSW
Explore el trabajo que estuvimos haciendo para reducir la sobrecarga de crear varios gráficos HNSW, en individuo reducir el costo de fusionar gráficos.
Escalar modelos de interacción tardía en Elasticsearch: parte 2
Este artículo analiza técnicas para preparar los vectores de interacción tardía para las cargas de trabajo de producción a gran escala, como reducir el uso de espacio en disco y mejorar la eficiencia de cómputo.
Explorando la búsqueda vectorial acelerada por GPU en Elasticsearch con NVIDIA: Capítulo I
Con tecnología NVIDIA cuVS, la colaboración busca proporcionar a los desarrolladores aceleramiento de GPU para la búsqueda vectorial en Elasticsearch.
Una breve introducción a la búsqueda vectorial
Este artículo es el primero de un serial de tres que profundizarán en las complexidades de la búsqueda vectorial, también conocida como búsqueda semántica, y cómo se implementa en Elasticsearch.
Cómo usar el Conector de Almacenamiento de Vectores de Elasticsearch para el Kernel Semántico de Microsoft para el desarrollo de agentes de IA
Microsoft Semantic Kernel es un kit de desarrollo ligero y de código abierto que te permite construir agentes de IA con facilidad e integrar los últimos modelos de IA en tu base de código en C#, Python o Java. Con el lanzamiento del Conector de Almacenamiento Vectorial de Semantic Kernel Elasticsearch, los desarrolladores que emplean Semantic Kernel para construir agentes de IA pueden ahora integrar Elasticsearch como un almacén vectorial escalable de nivel empresarial, mientras continúan empleando abstracciones de Semantic Kernel.
Cómo usar la búsqueda híbrida para un catálogo de productos de comercio electrónico
Aprende a usar la búsqueda híbrida para crear un catálogo de productos de comercio electrónico, empleando facetados, promociones, personalización y análisis de comportamiento.
